在Python中给定日期列表作为DateTime对象的情况下，如何计算每个月的第一个星期五？

如何解决在Python中给定日期列表作为DateTime对象的情况下，如何计算每个月的第一个星期五？

假设我在Python中有一个DateTimeIndex对象，存储为trading_days：

DatetimeIndex(['2014-01-02','2014-01-03','2014-01-06','2014-01-07','2014-01-08','2014-01-09','2014-01-10','2014-01-13','2014-01-14','2014-01-15',...
               '2017-12-15','2017-12-18','2017-12-19','2017-12-20','2017-12-21','2017-12-22','2017-12-26','2017-12-27','2017-12-28','2017-12-29'],dtype='datetime64[ns]',length=1007,freq=None)

我想计算此DateTime对象中每个月的第一个星期五。我想要的输出是另一个DateTime对象，这些对象具有第一个星期五的这些日期。

我的尝试如下：

all_fridays = trading_days[trading_days.day_name() == 'Friday']
first_fridays = all_fridays[np.remainder(np.arange(len(all_fridays)),4) == 0]

但是，例如，如果某个月份有5个星期五，则此代码将失败。 例如，我从上面的代码获得的输出是

DatetimeIndex(['2014-01-03','2014-01-31','2014-02-28','2014-03-28','2014-05-02','2014-05-30','2014-06-27','2014-08-01','2014-08-29','2014-09-26','2014-10-24','2014-11-21','2014-12-19','2015-01-16','2015-02-13','2015-03-13','2015-04-17','2015-05-15','2015-06-12','2015-07-17','2015-08-14','2015-09-11','2015-10-09','2015-11-06','2015-12-04','2016-01-15','2016-02-12','2016-03-11','2016-04-15','2016-05-13','2016-06-10','2016-07-08','2016-08-05','2016-09-02','2016-09-30','2016-10-28','2016-11-25','2016-12-23','2017-01-20','2017-02-17','2017-03-17','2017-04-21','2017-05-19','2017-06-16','2017-07-14','2017-08-11','2017-09-08','2017-10-06','2017-11-03','2017-12-01',freq=None)

2014年1月很容易出现我刚刚描述的错误。然后一切都搞砸了。

如何有效地做到这一点？我觉得Pandas应该已经内置了类似的东西，但是找不到。非常感谢！

解决方法

不能100％确定如何重新创建示例DatetimeIndex，但我们将从简单的bdate_range开始。

细分为星期五，然后在年份-月份期间删除重复项

import pandas as pd
trading_days = pd.bdate_range('2014-01-02',freq='C',periods=1007,weekmask='Mon Tue Wed Thu Fri')

fridays = trading_days[trading_days.dayofweek == 4]
fridays = fridays[~fridays.to_period('M').duplicated()]

#DatetimeIndex(['2014-01-03','2014-02-07','2014-03-07','2014-04-04',#               '2014-05-02','2014-06-06','2014-07-04','2014-08-01',#               ...
#               '2017-05-05','2017-06-02','2017-07-07','2017-08-04',#               '2017-09-01','2017-10-06','2017-11-03'],#              dtype='datetime64[ns]',name='date',freq=None)

,

当您找到阵列的第一个星期五时，以下逻辑可以为您提供帮助。

让我们说第一个星期五是2014年1月3日，然后检查末尾第4位的数字（我正在考虑将“-”作为位置），现在将28加到当前索引中。如果接收到的日期在倒数第4位也与上一个第4位相同，则将索引再加上7，该索引将成为下个月的第一个星期五，否则将其加28下个月的第一个星期五。

在这里，由于过去3个月（即10、11和12）的最后一位数字与前任不同，因此您无需检查第5位。

使用pyhton中的if else条件，可以轻松实现以上所有解释。

,

这是一个简单的函数，它将从熊猫的DatetimeIndex中提取每个月的第一个星期五（或每个月的第四个星期四，或...）。使用sign(colSums(mymat)) [1] 1 -1 -1 1 1 函数是一个借口。

itertools.groupby()

使用如下功能：

import pandas as pd
from itertools import groupby

def get_one_date_per_month(dates,rank='first',day_name='Friday'):
    rank_to_idx = {'first': 0,'second': 1,'third': 2,'fourth': 3,'last': -1}
    idx = rank_to_idx[rank]
    dates = [d
             for d in dates
             if d.day_name() == day_name]
    
    filtered_dates = []
    for k,g in groupby(dates,key=lambda x: x.strftime('%Y-%m')):
        t = list(g)
        filtered_dates.append(t[idx])
        
    return filtered_dates

,

不确定这比已经发布的其他答案要好。但是根据您的问题，我从DatetimeIndex中的日期开始：

index = pd.DatetimeIndex(pd.date_range('2014-01-02','2017-12-19'))  # some dates
dates_by_month = index.groupby(index.to_period("M"))    
first_fridays = pd.Series({period: dates[dates.weekday == 4][0]
                           for period,dates in dates_by_month.items()})
first_fridays.head()

2014-01   2014-01-03
2014-02   2014-02-07
2014-03   2014-03-07
2014-04   2014-04-04
2014-05   2014-05-02
Freq: M,dtype: datetime64[ns]